Prestaties van één model

Nu je de binaire vectoren hebt voor de werkelijke en voorspelde waarden van het model, kun je veel gangbare metrics voor binaire classificatie berekenen. In deze oefening focus je op:

accuracy: het percentage correct voorspelde waarden ten opzichte van alle voorspellingen.
precision: het deel van de voorspellingen dat het model correct als TRUE heeft voorspeld.
recall: het deel van de werkelijke TRUE-waarden dat het model correct heeft teruggevonden.

Deze oefening maakt deel uit van de cursus

Machine Learning in de tidyverse

Cursus bekijken

Oefeninstructies

Gebruik table() om de validate_actual- en validate_predicted-waarden te vergelijken voor het voorbeeldmodel en de validate-dataframe.
Bereken de accuracy.
Bereken de precision.
Bereken de recall.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

library(Metrics)

# Compare the actual & predicted performance visually using a table
table(___, ___)

# Calculate the accuracy
accuracy(___, ___)

# Calculate the precision
precision(___, ___)

# Calculate the recall
recall(___, ___)

Code bewerken en uitvoeren